預(yù)測未來 10 天全球天氣，僅需 30 秒。

這一成果來自全球中期天氣預(yù)報(bào)大模型“風(fēng)烏”，這也是全球氣象有效預(yù)報(bào)時(shí)間首次突破 10 天，并在 80% 的評估指標(biāo)上超越 DeepMind 發(fā)布的模型 GraphCast。

“風(fēng)烏”基于多模態(tài)和多任務(wù)深度學(xué)習(xí)方法構(gòu)建，由上海人工智能實(shí)驗(yàn)室聯(lián)合中國科學(xué)技術(shù)大學(xué)、上海交通大學(xué)、南京信息工程大學(xué)、中國科學(xué)院大氣物理研究所及上海中心氣象臺發(fā)布。

實(shí)驗(yàn)室領(lǐng)軍科學(xué)家歐陽萬里表示：

“風(fēng)烏”取名自秦漢時(shí)期的“相風(fēng)銅烏”，是世界上最早的測風(fēng)設(shè)備。天氣預(yù)報(bào)大模型‘風(fēng)烏’不僅承載了中國古人的智慧，也寓意實(shí)驗(yàn)室致力于在以氣象為代表的 AI for Science 領(lǐng)域勇于突破、不懈探索。

AI 大模型預(yù)報(bào)全球天氣

隨著全球氣候變化加劇，極端天氣頻發(fā)，各界對天氣預(yù)報(bào)的時(shí)效和精度的期待與日俱增。

過去數(shù)十年間，全球中期天氣預(yù)報(bào)領(lǐng)域取得眾多矚目成就，但囿于氣象觀測的準(zhǔn)確度，大氣系統(tǒng)中物理過程的復(fù)雜性，以及求解大氣模型所需資源規(guī)模巨大，全球中期天氣預(yù)報(bào)的有效性每 10 年才提高 1 天，難以滿足社會(huì)和經(jīng)濟(jì)的發(fā)展需求。

“風(fēng)烏”提供了一個(gè)強(qiáng)大有效的全球中期天氣預(yù)報(bào)的 AI 框架，在預(yù)報(bào)精度、預(yù)報(bào)時(shí)效和資源效率三方面都領(lǐng)先。

在預(yù)報(bào)精度方面，相比 DeepMind 的 GraphCast，“風(fēng)烏”的 10 天預(yù)報(bào)誤差降低 10.87%，而相比于傳統(tǒng)的物理模型，其誤差降低 19.4%。

在預(yù)報(bào)時(shí)效方面，根據(jù)國際常用的標(biāo)準(zhǔn)，z500 ACC 大于 0.6 時(shí)氣象預(yù)報(bào)結(jié)果具有可用性，可以較好地指導(dǎo)預(yù)報(bào)員判斷未來氣象發(fā)展形勢。

此前，全球范圍內(nèi)最好的物理模型 HRES 在此標(biāo)準(zhǔn)范圍內(nèi)，有效預(yù)報(bào)時(shí)長最大為 8.5 天，而“風(fēng)烏”基于再分析數(shù)據(jù)達(dá)到了 10.75 天。

在資源效率方面，現(xiàn)有物理模型往往運(yùn)行在超級計(jì)算機(jī)上，而“風(fēng)烏”AI 大模型僅需單 GPU 便可運(yùn)行，僅需 30 秒即可生成未來 10 天全球高精度預(yù)報(bào)結(jié)果。

據(jù)氣象專家介紹，盡管目前市面上有一些產(chǎn)品提供未來 15 天的氣象預(yù)報(bào)服務(wù)，但是 10 天以上的預(yù)報(bào)性能還具有很大不確定性，無法達(dá)到有效預(yù)報(bào)的標(biāo)準(zhǔn)。

實(shí)踐證明，將觀測與數(shù)值預(yù)報(bào)和人工智能相結(jié)合，可有效提升數(shù)值預(yù)報(bào)的準(zhǔn)確性?！帮L(fēng)烏”首次將全球氣象預(yù)報(bào)的有效性提高到 10.75 天，具有很大的業(yè)務(wù)應(yīng)用價(jià)值。

多模態(tài)和多任務(wù)：深度學(xué)習(xí)驅(qū)動(dòng)地球科學(xué)

上海人工智能實(shí)驗(yàn)室 AI for Earth 聯(lián)合團(tuán)隊(duì)提出了一種基于多模態(tài)多任務(wù)的深度學(xué)習(xí)方法用于構(gòu)建 AI 天氣預(yù)報(bào)模型，從而實(shí)現(xiàn)對全球中期天氣進(jìn)行快速、準(zhǔn)確預(yù)報(bào)。

由于不需要通過復(fù)雜的物理系統(tǒng)仿真，AI 氣象預(yù)報(bào)模型突破了傳統(tǒng)預(yù)報(bào)方法的計(jì)算瓶頸，因此能夠高效地進(jìn)行預(yù)報(bào)和集成。同時(shí) AI 對氣象數(shù)據(jù)關(guān)系的強(qiáng)大擬合能力使其有潛力突破傳統(tǒng)數(shù)值模式預(yù)報(bào)中的性能瓶頸。

在 AI 模型的設(shè)計(jì)和訓(xùn)練過程中，研究團(tuán)隊(duì)發(fā)現(xiàn)，在學(xué)習(xí)過程中，多個(gè)大氣變量在優(yōu)化中存在相互影響且可以看作多任務(wù)學(xué)習(xí)問題；大氣數(shù)據(jù)具有高分辨率高維度大體量的特征，導(dǎo)致模型多步天氣預(yù)測結(jié)果難以直接被優(yōu)化。

“風(fēng)烏”采用多模態(tài)神經(jīng)網(wǎng)絡(luò)和多任務(wù)自動(dòng)均衡權(quán)重解決多種大氣變量表征和相互影響的問題。其針對的大氣變量包括：位勢、濕度、緯向風(fēng)速、經(jīng)向風(fēng)速、溫度以及地表等。“風(fēng)烏”將這些大氣變量看作多模態(tài)信息，使用多模態(tài)網(wǎng)絡(luò)結(jié)構(gòu)可以更好地處理這些信息。

研究團(tuán)隊(duì)從多任務(wù)問題的角度出發(fā)，自動(dòng)學(xué)習(xí)每個(gè)大氣變量的重要性，使得多個(gè)大氣變量之間能夠更好地協(xié)同優(yōu)化。為了優(yōu)化“風(fēng)烏”的多步預(yù)測結(jié)果，研究團(tuán)隊(duì)提出了“緩存回放”（replay buffer）策略，減少自回歸預(yù)測誤差，提高長期預(yù)測的性能。

下圖對不同大氣變量的預(yù)測結(jié)果。ACC 是用于衡量預(yù)測結(jié)果有效性的指標(biāo)，數(shù)值越高，預(yù)測結(jié)果越有效（紅線代表“風(fēng)烏”，黑線代表 GraphCast）。

從結(jié)果上看，“風(fēng)烏”在 6 到 10 天的中期預(yù)報(bào)上預(yù)報(bào)技巧顯著高于 GraphCast。其中具有代表意義的 z500 達(dá)到了 10.75 天的有效預(yù)報(bào)范圍（ACC＞0.6），這也是高分辨率全球中期天氣預(yù)報(bào)系統(tǒng)首次能夠?qū)Υ髿庾兞窟M(jìn)行超過 10 天的有效預(yù)報(bào)。

未來，“風(fēng)烏”AI 氣象大模型可與傳統(tǒng)的物理模型形成互補(bǔ)，憑借其卓越的性能和精度，為生產(chǎn)生活提供更準(zhǔn)確、更實(shí)用的天氣預(yù)報(bào)信息，助力天氣預(yù)報(bào)數(shù)字化，為農(nóng)林牧漁、航空航海等各行業(yè)及公共安全保障提供有力的支持。

據(jù)悉，上海人工智能實(shí)驗(yàn)室 AI for Earth 團(tuán)隊(duì)還將把人工智能方法應(yīng)用到更廣泛的氣象、環(huán)境、天文、地質(zhì)等地球科學(xué)問題研究中，助力“碳中和”、防災(zāi)減災(zāi)、能源安全等重大需求。

論文地址：

https://arxiv.org/abs/2304.02948

本文來自微信公眾號：量子位 （ID：QbitAI），作者：允中

總結(jié)

以上是生活随笔為你收集整理的单卡 30 秒预测未来 10 天全球天气，大模型“风乌”效果超 DeepMind，来自上海人工智能实验室的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。